في البطارية العادية، يكون الإلكتروليت سائلاً، وتتحرك الجسيمات المشحونة (الأيونات) بحرية. أما في النسخة الصلبة، فإنها تندفع عبر "ممرات" ذرية، مثل المشاة في ممرات ضيقة. لكي تعمل البطارية بسرعة، نحتاج إلى مادة ذات موصلية أيونية جيدة. لكن البحث عن هذه المواد بشكل أعمى هو سنوات من التجربة والخطأ. يأخذ التعلم الآلي دور "مهندس الطرق": فبعد تدريبه على أمثلة دقيقة، يتنبأ أين لن تتعثر الأيونات.
مثير للاهتمام: في المادة الصلبة، تعتمد كل قفزة للأيون على كيفية اهتزاز الذرات المجاورة — فرقصتها الجماعية هي ما يحدد السرعة.
وجد الباحثون أنه من أجل التنبؤات الدقيقة، ليست غيغابايتات البيانات هي المهمة، بل التوصيف المثالي لعينات صغيرة. حتى في المواد الغنية بـ الكربون، يتعلم النموذج بشكل ممتاز من عدد قليل من الحسابات عالية الجودة. والمفاجأة أن المقياس المعتاد للخطأ — إنتروبيا القوى — لا ترتبط تقريبًا بسرعة نقل الأيونات الحقيقية. هذا أشبه بتقييم ازدحام الشوارع من لون واجهات المباني. ويؤكد التحليل الطيفي: في المادة الصلبة الخالية من الماء، تتحرك الأيونات بشكل مختلف عن السائل.
النتيجة — وصفة واضحة للمهندسين: البيانات الصغيرة ولكن المثالية تقصر الطريق إلى بطاريات آمنة تتحمل الصقيع والحر.
للحصول على توقع موثوق لخصائص مادة ما، غالبًا ما يكفي الشبكة العصبية 500 مثال دقيق — وتتفوق على نموذج دُرِّب على 50,000 بيانات مشوشة.